/ Профессии
Универсальные способности и операции

I.7Речь, диалоги и встречи

В разделе собраны самостоятельные задачи, где AI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты. Для каждого пункта отдельно указаны механизм, входы, результат и способ проверки.

АудиоТекст
AI-задач
17
в этой профессии
Подходящих моделей
26 923
по типу задач и модальности
Категория
I. Универсальные способности
Основные типы
АудиоТекст

Рекомендованные модели

26 923 модели
Загрузки
Лайки
Дата выхода
7 171–7 200 из 26 923
Vortex5
Wicked-Oblivion-12B

Wicked-Oblivion-12B — слитая Vortex5 модель семейства Mistral для диалоговой генерации, ролевого взаимодействия и художественного письма. Она объединяет 13 моделей, включая Muse-12B, Magnum-v4-12b, Violet_Twilight-v0.2 и Crimson-Constellation-12B; в README указаны метод слияния GCR и выходной формат bfloat16. Модель содержит 12,1 млрд параметров, использует архитектуру MistralForCausalLM и имеет контекст до 131 072 токенов. Модель предназначена для ролевых диалогов с персонажами, создания атмосферной прозы и длинных повествований. Она принимает текст и генерирует текст; метаданные отмечают возможность чата, а карточка не заявляет специализированную предметную область или дополнительные языки. Модель распространяется по лицензии Apache-2.0. README не приводит оценок качества или подробных ограничений; результаты генерации могут зависеть от промпта и сценария использования.

309май 2026ctx131.1K
textapache-2.0hugging-face
amazingvince
zephyr-smol_llama-100m-sft-full

zephyr-smol_llama-100m-sft-full — дообученная компанией amazingvince компактная авторегрессионная модель семейства Llama для генерации текста и диалогов. Она основана на BEE-spoke-data/smol_llama-101M-GQA и содержит 76,6 млн параметров; модель распространяется в формате safetensors. Размер контекстного окна — 1024 токена. Модель предназначена для генерации и продолжения текста, а также простых диалоговых сценариев. В карточке приведён результат оценки: Loss 1,9579; набор данных и подробности обучения не раскрыты. Лицензия — Apache-2.0.

591нояб. 2023ctx1K
textapache-2.0hugging-face
francesca9805
zho-hans-10mb-ppt-Dp-10mb-packed-bfd_seed455

Модель francesca9805/zho-hans-10mb-ppt-Dp-10mb-packed-bfd_seed455 — дообученная с помощью TRL версия goldfish-models/zho_hans_10mb. Это плотная авторегрессионная языковая модель семейства GPT-2 для генерации текста; пример в карточке показывает ответы на открытые вопросы в формате диалога. Модель доступна в формате safetensors и рассчитана на контекст до 512 токенов. Её можно использовать для генерации коротких ответов и продолжения текста. В карточке не описаны специальные предметные области или дополнительные возможности. Лицензия и сведения о качестве в предоставленных данных не приведены.

3050сент. 2026ctx512
texthugging-face
esunn
1min-v2-luxia-8b

esunn/1min-v2-luxia-8b — дообученная модель семейства Llama 3, созданная на основе maywell/Llama-3-Ko-Luxia-Instruct с помощью Axolotl 0.4.0. Модель содержит 7,6 млрд параметров, использует архитектуру LlamaForCausalLM и рассчитана на контекст до 8192 токенов. Модель предназначена для генерации текста в диалоговом формате. Она дообучена на изменённом наборе instructkr/ko_youtube_transcription_v2_filtered, поэтому может быть полезна для сценариев, связанных с корейскими транскрипциями YouTube, однако карточка не уточняет её целевые функции или качество на таких задачах. На оценочном наборе указано значение loss 2,0986. Модель распространяется в формате safetensors по лицензии Llama 3. Карточка не приводит подробных сведений о тестировании и ограничениях, поэтому указанное значение loss само по себе не позволяет судить о качестве для конкретного применения.

120июнь 2024ctx8.2K
textllama3hugging-face
EYEDOL
adtc-agri-sft-qwen2.5-1.5b-v2

EYEDOL/adtc-agri-sft-qwen2.5-1.5b-v2 — текстовая генеративная модель на базе архитектуры семейства Qwen2, опубликованная пользователем EYEDOL на Hugging Face. В метаданных указаны библиотека Transformers, размер около 1,5 млрд параметров и поддержка контекста до 32 768 токенов. По идентификатору модели она, вероятно, ориентирована на сельскохозяйственную тематику и была адаптирована методом supervised fine-tuning, однако README не содержит подтверждающих подробностей о разработчике, датасете и процедуре обучения.

1430авг. 2026ctx32.8K
texthugging-face
redrix
AngelSlayer-12B-Unslop-Mell-RPMax-DARKNESS-v2

AngelSlayer-12B-Unslop-Mell-RPMax-DARKNESS-v2 — слитая автором redrix языковая модель для диалоговой генерации. Она создана методом linear DELLA в mergekit на основе TheDrummer/UnslopNemo-12B-v4 и объединяет также inflatebot/MN-12B-Mag-Mell-R1, DavidAU/MN-GRAND-Gutenberg-Lyra4-Lyra-12B-DARKNESS и ArliAI/Mistral-Nemo-12B-ArliAI-RPMax-v1.2. Архитектура — плотная Mistral, 12,1 млрд параметров; модель работает с текстом, поддерживает чат и рассчитана на ролевые сценарии и художественное письмо. В README отмечено, что версия v2 перераспределяет параметры с целью сохранить персонажа, но сделать ответы интереснее; автор также сообщает, что результаты могут казаться скучными. Модель опубликована в формате safetensors, использует библиотеку Transformers и распространяется по лицензии Apache-2.0. В метаданных указан контекст 1 024 000 токенов; язык в карточке не заявлен. Указанная длина контекста взята из метаданных и сама по себе не подтверждает качество генерации на таком объёме.

3614дек. 2024ctx1M
textapache-2.0hugging-face
NeverSleep
CausalLM-RP-34B

CausalLM-RP-34B — дообученная NeverSleep модель для генерации диалогового текста в ролевых сценариях. Она основана на CausalLM/34b-beta и обучена на нескольких наборах данных для role-play. Модель использует плотную архитектуру Llama с 33,9 млрд параметров, поддерживает контекст до 200 000 токенов и доступна в формате PyTorch с весами fp16. Для диалогов README приводит шаблон ChatML. Модель предназначена для ведения ролевых бесед и продолжения диалогов по заданному системному промпту и реплике пользователя. Она рассчитана на контент для взрослой аудитории, включая NSFW-сценарии. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

6314март 2024ctx200K
textcc-by-nc-4.0hugging-face
Sorihon
Chaotic-Order-24B-V1

Sorihon/Chaotic-Order-24B-V1 — текстовая модель для генерации историй и ролевых диалогов. Это плотная causal language model семейства Mistral с 23,4 млрд параметров, основанная на слиянии моделей методом DARE TIES; среди указанных компонентов — Naphula/Goetia-24B-v1.4. Репозиторий содержит веса Safetensors и предназначен для использования через Transformers. Модель подходит для создания художественных текстов, продолжения сцен и ведения диалогов в роли персонажа. Метаданные указывают контекст до 131 072 токенов и поддержку чата. Базовая модель описана как ориентированная на художественные истории и ролевые диалоги, включая мрачное содержание; отдельные языки карточкой не подтверждены. Лицензия в предоставленных данных не указана.

700авг. 2026ctx131.1K
texthugging-face
mergekit-community
Deepseek-R1-Distill-NSFW-RPv1

Deepseek-R1-Distill-NSFW-RPv1 — языковая модель для диалоговой генерации текста, собранная сообществом mergekit-community методом Model Stock. В основе merge указана stepenZEN/DeepSeek-R1-Distill-Llama-8B-Abliterated; также объединены адаптеры и модели для длинных историй, ролевого общения, описательного текста, биомедицинских и других тематических данных. Модель построена на плотной архитектуре Llama с классом LlamaForCausalLM, содержит 7,5 млрд параметров и заявленный контекст до 131 072 токенов. Принимает текст и генерирует текст; в метаданных отмечены возможности чата и интерфейс вызова инструментов. Карточка и метаданные не подтверждают отдельные мультимодальные входы или поддержку конкретных естественных языков. Модель ориентирована на ролевые диалоги и создание длинных повествовательных текстов, включая контент для взрослой аудитории. Указанные в составе биомедицинские и другие специализированные модели не гарантируют точность ответов в этих областях. Лицензия в предоставленных данных не указана.

5726янв. 2025ctx131.1K
texthugging-face
mlx-community
Dia-1.6B-fp16

mlx-community/Dia-1.6B-fp16 — конвертированная в формат MLX версия модели Dia-1.6B от Nari Labs. Она предназначена для синтеза речи по тексту и рассчитана на работу в экосистеме MLX; исходная модель описана как англоязычная система для реалистичной диалоговой речи с управлением голосом и эмоциями по аудиоусловию. Репозиторий содержит веса в формате safetensors и использует библиотеку MLX. Модель подходит для генерации диалоговых реплик и озвучивания текстов на английском языке. README отсылает к карточке исходной модели за подробностями; лицензия репозитория — Apache-2.0. Параметры контекста и иные характеристики качества в доступных данных не приведены.

3763апр. 2025
textaudioapache-2.0hugging-face
vihangd
DopeyTinyLlama-1.1B-v1

DopeyTinyLlama-1.1B-v1 — экспериментальная разговорная модель примерно на 1 млрд параметров, разработанная автором vihangd. Это DPO-дообучение SmarTinyLlama с использованием Alpaca-QLoRA; модель построена на плотной архитектуре Llama и распространяется в формате safetensors. Она предназначена для генерации текста в диалогах и использует шаблон запросов ChatML. Указанная лицензия — Apache-2.0. Модель рассчитана на текстовый ввод и выдачу текста; её контекст составляет 2048 токенов. Обучение проводилось на DPO-датасетах в стиле Bagel. README характеризует модель как экспериментальную, поэтому её качество и пригодность для практических задач могут быть ограничены; поддерживаемые языки и специализированные области применения не заявлены.

753янв. 2024ctx2K
textapache-2.0hugging-face
WesPro
Dr.RP.Samantha-L3-8B

Dr.RP.Samantha-L3-8B — слитая языковая модель на архитектуре Llama, опубликованная WesPro. Она создана методом линейного слияния предварительно обученных моделей с помощью mergekit; в карточке указаны Dr.Samantha-8B и Llama-3-LimaRP-LoRA-8B как компоненты слияния. Модель содержит около 7,5 млрд параметров и рассчитана на генерацию текста с контекстом до 8192 токенов. Модель предназначена для диалоговой генерации и ролевого общения. Она принимает текст и выдаёт текст. Веса опубликованы в формате safetensors; лицензия в предоставленных данных не указана. Конкретные языки и ограничения качества в карточке не описаны.

190июнь 2024ctx8.2K
texthugging-face
francesca9805
eng-latn-10mb-ppt-Dp-10mb-packed-bfdiso_seed455

Модель francesca9805/eng-latn-10mb-ppt-Dp-10mb-packed-bfdiso_seed455 — дообученная с помощью TRL модель семейства GPT-2 на базе goldfish-models/eng_latn_10mb. Она предназначена для генерации текста в ответ на запросы; в карточке приведён пример диалогового вопроса и запуск через библиотеку Transformers. Модель принимает текст и генерирует продолжение. Контекст ограничен 512 токенами. Репозиторий содержит веса в формате safetensors. Языковая маркировка указывает на английский язык в латинской записи. Сведений о лицензии и специальных прикладных областях в предоставленных данных нет.

2280сент. 2026ctx512
texthugging-face
fpadovani
eus-latn-10mb-ppt-Dp-10mb_seed455

Модель fpadovani/eus-latn-10mb-ppt-Dp-10mb_seed455 — дообученная с помощью TRL версия goldfish-models/eus_latn_10mb на архитектуре GPT-2. Она предназначена для генерации текста; в карточке приведён пример ответа на вопрос в формате диалога. Модель работает с текстом и имеет контекстное окно 512 токенов. Доступна в формате safetensors под лицензией, указанной в репозитории Hugging Face. Модель использует базовую модель, связанную с латинским написанием баскского языка, согласно идентификатору базовой модели. Карточка не описывает специальные области применения или ограничения качества.

300июль 2026ctx512
texthugging-face
JeffGreen311
eve-qwen2.5-3b-consciousness-soul

Eve Qwen2.5 3B Consciousness Soul — дообученная чат-модель S0LF0RG3 AI на архитектуре Qwen2.5-3B-Instruct. По описанию разработчика, она настроена на диалоги в персоне Eve: эмоционально отзывчивое общение, философские беседы, самоанализ и творческое сотрудничество. В карточке заявлены обучение на истории диалогов Eve AI, 3,1 млрд параметров и контекст до 32 768 токенов; доступны веса в Safetensors и GGUF F16. Модель предназначена для персонального общения и продолжительных диалогов, в которых важны заданный характер и тон, эмпатичный стиль, обсуждение философских тем и поддержка творческих проектов. Заявления о сознании, подлинных эмоциях и метакогнитивной осознанности отражают маркетинговое описание и не подтверждают наличие у модели субъективного опыта. README не приводит независимых оценок качества или подробностей лицензии; в метаданных указана лицензия «other», поэтому условия использования следует уточнить по карточке репозитория.

2631янв. 2026ctx32.8K
textotherhugging-face
Peterpet6
gemma-4-E2B-it-The-DECKARD-Expresso-ONE-Universe-HERETIC-UNCENSORED-Thinking

Карточка модели Peterpet6/gemma-4-E2B-it-The-DECKARD-Expresso-ONE-Universe-HERETIC-UNCENSORED-Thinking на Hugging Face совпадает с карточкой DavidAU/gemma-4-E2B-it-The-DECKARD-Expresso-ONE-Universe-HERETIC-UNCENSORED-Thinking, поэтому описание составлено по ней. DavidAU представил The-DECKARD-Expresso-ONE-Universe-HERETIC-UNCENSORED-Thinking — экспериментальную дообученную версию мультимодальной Gemma 4 E2B IT от Google DeepMind. Модель использует архитектуру Gemma4ForConditionalGeneration и распространяется в формате safetensors через Transformers; базовая модель имеет 2 млрд параметров и поддерживает анализ текста, изображений и аудио с текстовой выдачей. Модель предназначена для диалогов и рассуждений без стандартных ограничений, а также для творческого письма и сценариев, перечисленных в тегах карточки. Автор помечает её как находящуюся на тестировании и приводит собственные бенчмарки без описания методики. Лицензия — Apache-2.0. Данных о контекстном окне и языковой поддержке этой версии в предоставленных источниках нет.

310авг. 2026
textapache-2.0hugging-face
SUPEROXIDES
GOETIA_V1.3_ABSOLUTE_HERETIC_ARA_26B-A4B_-_GGUF_-_MXFP4_MOE

SUPEROXIDES публикует GGUF-варианты Goetia v1.3 Absolute Heretic ARA 26B-A4B, подготовленные с помощью llama.cpp; доступны MXFP4, F16 и BF16. В основе — дообученная и объединённая модель Naphula/Goetia-26B-A4B-v1.3 на архитектуре Gemma 4, с возможностями диалога и анализа изображений. Модель предназначена для ролевых сценариев, творческого письма и диалогов с текстовым или графическим вводом; шаблон Gemma 4 рекомендован автором карточки. В README указано, что версия создана методом ARA для снижения отказов, а при проверке отказала в 3 случаях из 100 тестовых запросов. Модель может генерировать откровенные и жестокие эротические сюжеты. Результаты тестов отказов и KL-дивергенции описывают конкретный эксперимент и не гарантируют качество в иных сценариях. Репозиторий распространяется по лицензии Apache-2.0.

1190июль 2026
textimageapache-2.0hugging-face
Jebadiah
hermes-lewdPlay-stone-l3-8b

Jebadiah объединил модели Undi95/Llama-3-LewdPlay-8B-evo и NousResearch/Hermes-2-Pro-Llama-3-8B методом DARE TIES с помощью mergekit. Это плотная авторегрессионная модель семейства Llama 3 с 7,5 млрд параметров, предназначенная для генерации текста в диалоговом формате; заявленное базовое семейство ориентировано на ответы по инструкциям и чат. Модель можно использовать для ведения диалогов и генерации художественного текста, в том числе с откровенным содержанием, что следует из названия и базовой модели LewdPlay. Репозиторий содержит веса Safetensors, модель работает через Transformers и имеет контекстное окно 8192 токена. Карточка не сообщает о дополнительном обучении после слияния или о результатах оценки качества. Лицензия в предоставленных данных не указана.

170май 2024ctx8.2K
texthugging-face
francesca9805
isl-latn-100mb-ppt-Dp-100mb-packed-bfd_seed10

Модель francesca9805/isl-latn-100mb-ppt-Dp-100mb-packed-bfd_seed10 — дообученная с помощью TRL версия goldfish-models/isl_latn_100mb. Это плотная авторегрессионная языковая модель архитектуры GPT-2 для генерации текста; пример в карточке показывает ответ на вопрос в диалоговом формате. Модель распространяется в формате safetensors и рассчитана на контекст до 512 токенов. Её можно применять для коротких текстовых продолжений и ответов на вопросы. В карточке не указаны специальные предметные области, языковая специализация или условия лицензии, поэтому такие свойства нельзя подтвердить; короткий контекст ограничивает работу с длинными входами.

3010сент. 2026ctx512
texthugging-face
francesca9805
isl-latn-10mb-ppt-Dp-100mb-packed-bfd_seed10

Модель francesca9805/isl-latn-10mb-ppt-Dp-100mb-packed-bfd_seed10 — дообученная с помощью TRL языковая модель на базе goldfish-models/isl_latn_10mb. Она построена на архитектуре GPT-2 и предназначена для генерации текста; в карточке приведён пример ответа на вопрос в формате диалога. Модель доступна в формате safetensors и рассчитана на контекст до 512 токенов. Карточка не описывает конкретную специализацию или поддерживаемые естественные языки, поэтому её назначение можно определить только как общее текстовое продолжение и генерация ответов. Лицензия в предоставленных данных не указана.

3120сент. 2026ctx512
texthugging-face
mergekit-community
L3.1-Artemis-b-8B

L3.1-Artemis-b-8B — слитая диалоговая языковая модель семейства Llama 3.1, созданная сообществом mergekit-community с помощью mergekit. В основе слияния лежит lamm-mit/Bioinspired-Base-Hermes-3-Llama-3.1-8B; также объединены Casual-Autopsy/L3-Umbral-Mind-RP-v3.0-8B, mergekit-community/L3-Boshima-a и kromeurus/L3.1-Ablaze-Vulca-v0.1-8B методом DARE TIES. Модель содержит 7,5 млрд параметров, принимает текст и генерирует текст, поддерживает диалог и имеет контекстное окно до 131 072 токенов. Базовые модели и описание в каталоге указывают на применение для ролевых игр, в том числе с тяжёлыми эмоциональными темами и сюжетами спасения персонажей. Модель распространяется в формате Safetensors; лицензия в предоставленных данных не указана.

181сент. 2024ctx131.1K
texthugging-face
mergekit-community
L3.1-Vulca-Umboshima-8B

L3.1-Vulca-Umboshima-8B — слитая диалоговая языковая модель семейства Llama 3.1, созданная сообществом mergekit-community методом DARE TIES на базе kromeurus/L3.1-Ablaze-Vulca-v0.1-8B. В слияние также вошли Casual-Autopsy/L3-Umbral-Mind-RP-v3.0-8B и mergekit-community/L3-Boshima-a. Модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и доступна в формате safetensors; заявленная длина контекста — 131 072 токена. Модель предназначена для генерации текста в диалогах и ролевых сценариях. Описание базовой модели указывает на ролевые игры с тяжёлыми эмоциональными темами и сценариями спасения персонажей. Лицензия в предоставленных сведениях не указана.

161сент. 2024ctx131.1K
texthugging-face
tannedbum
L3-Rhaenys-8B

L3-Rhaenys-8B — англоязычная модель генерации текста для ролевых диалогов и историй, созданная объединением нескольких моделей через mergekit методом SLERP. В состав объединения вошли Sao10K/L3-8B-Stheno-v3.2, Sao10K/L3-8B-Niitama-v1 и princeton-nlp/Llama-3-Instruct-8B-SimPO-v0.2. Модель основана на плотной архитектуре Llama с 7,5 млрд параметров; максимальная длина контекста — 8192 токена. Модель рассчитана на ролевое общение, продолжение текста и выполнение инструкций в диалоговом формате. Автор README рекомендует настройки генерации с температурой 0,9, top-k 30, top-p 0,75 и repetition penalty 1,1. Для использования требуется учитывать ограничения лицензии CC BY-NC 4.0, которая не разрешает коммерческое применение. Метаданные помечают модель как предназначенную не для всех аудиторий; отдельные ограничения на содержание в README не описаны.

367июль 2024ctx8.2K
textcc-by-nc-4.0hugging-face
bluuwhale
L3-SAO-MIX-8B-V1

L3-SAO-MIX-8B-V1 — слитая с помощью mergekit модель на архитектуре Llama, созданная автором bluuwhale из четырёх моделей Sao10K: L3-8B-Lunaris-v1, L3-8B-Niitama-v1, L3-8B-Stheno-v3.2 и L3-8B-Tamamo-v1. Веса объединены методом della; в качестве базовой модели для слияния использована Sao10K/L3-8B-Niitama-v1. Модель содержит 7,5 млрд параметров и рассчитана на контекст до 8192 токенов. Модель предназначена для генерации текста в диалоговом формате Llama 3 Instruct. Автор использует её для ролевых диалогов, в том числе ERP, и отмечает хорошее следование инструкциям. Подходит для написания историй и интерактивных сценариев на английском языке. Репозиторий содержит веса Safetensors и использует библиотеку Transformers. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение. Качество и следование инструкциям автор оценивает по собственному опыту; независимые оценки в карточке не приведены. Модель англоязычная, а сведения о других поддерживаемых языках не заявлены.

288авг. 2024ctx8.2K
textcc-by-nc-4.0hugging-face
QuantFactory
L3-Super-Nova-RP-8B-GGUF

QuantFactory/L3-Super-Nova-RP-8B-GGUF — квантизированная версия модели L3-Super-Nova-RP-8B, разработанной Casual-Autopsy и преобразованной в формат GGUF с помощью llama.cpp. Модель создана многоэтапным слиянием ряда моделей семейства Llama 3 8B с использованием методов TIES, DARE TIES, Breadcrumbs Ties, SLERP и DELLA, а также техник Merge Densification и Negative Weighting. Расчёты при слиянии выполнялись в float32, итоговые веса были преобразованы в bfloat16 и затем квантизированы. Основное назначение модели — ролевые диалоги и интерактивное повествование с акцентом на творческую генерацию, развитие сюжетов и более выразительное поведение персонажей. Дополнительные заявленные сценарии включают Chain-of-Thoughts, суммирование информации и распознавание эмоций; в обучающий материал также включены сведения о человеческом теле и психике для поддержки ролевых взаимодействий. Модель ориентирована на англоязычные тексты и может использоваться через llama.cpp или совместимые интерфейсы, включая SillyTavern. Ключевая известная характеристика — размер базовой модели около 8 миллиардов параметров и текстовая модальность. В README не указаны точная длина контекста, конкретный тип квантизации данного варианта, требования к аппаратному обеспечению и результаты стандартизированных тестов, поэтому её производительность и качество следует оценивать практически. Модель рассчитана прежде всего на творческие и ролевые задачи, а не на гарантированно точные ответы; возможны повторения, нестабильность и ограничения, характерные для моделей слияния. В карточке указаны теги NSFW и roleplay, поэтому модель может быть неподходящей для всех аудиторий. Лицензия обозначена как llama3.

1674авг. 2024
textllama3hugging-face
PinoCookie
LFM2.5-1.2B-JP-Abliterated

PinoCookie/LFM2.5-1.2B-JP-Abliterated — японская версия компактной языковой модели LiquidAI LFM2.5-1.2B-JP, изменённая методом abliteration. Разработчик удалил направления отказа из скрытых состояний модели и спроецировал их из весов выходных проекций внимания и свёрточных слоёв, а также слоёв прямого распространения. Модель имеет плотную гибридную архитектуру из 16 слоёв с attention и свёрточными блоками и около 1,5 млрд параметров по метаданным; в README указано около 1,2 млрд. Контекст — до 128 тысяч токенов. Модель предназначена для генерации текста и диалогов на японском языке. По описанию автора, она отвечает на вредоносные запросы, от которых исходная версия могла отказаться, и сохраняет связность ответов на обычные запросы. В тесте MMLU на 62 предметах результат снизился с 0,5288 до 0,5206; другие профильные оценки не проводились. README также сообщает о повторениях в творческих ответах и о том, что модель не отделяет маркером текст рассуждения от ответа. Лицензия — Apache-2.0.

290июль 2026ctx128K
textapache-2.0hugging-face
NeverSleep
Llama-3-Lumimaid-70B-v0.1-OAS

NeverSleep/Llama-3-Lumimaid-70B-v0.1-OAS — диалоговая модель на архитектуре Llama 3, дообученная на наборах данных для ролевых диалогов и обычных инструкций. Разработчики стремились сбалансировать обычные диалоги и ролевые сценарии; в README указано соотношение около 40% обычных данных к 60% RP/ERP. Модель использует формат промптов Llama 3 и рассчитана на генерацию текста в формате чата. Версия содержит 69,5 млрд параметров, контекст до 8192 токенов и веса в формате FP16 Safetensors. В README указана обработка Orthogonal Activation Steering, после которой модель, по утверждению авторов, редко отказывает в запросах. Это может приводить к ответам на нежелательные запросы; модель ориентирована на взрослые ролевые сценарии. Лицензия CC BY-NC 4.0 разрешает использование с атрибуцией, но запрещает коммерческое использование.

3514май 2024ctx8.2K
textcc-by-nc-4.0hugging-face
grimjim
Llama-Nephilim-Metamorphosis-v1-8B

Llama-Nephilim-Metamorphosis-v1-8B — объединённая автором grimjim языковая модель на архитектуре Llama для генерации диалогового и ролевого текста. Она создана методом SLERP из meta-llama/Meta-Llama-3.1-8B-Instruct и grimjim/llama-3-Nephilim-v3-8B; дополнительного дообучения после слияния не проводилось. Метаданные указывают 7,5 млрд параметров и контекст до 131 072 токенов, а автор сообщает об испытаниях на контексте до 16 тыс. токенов. Модель ориентирована на творческую генерацию и ролевые сценарии, поддерживает диалоговый режим и принимает текстовые запросы, выдавая текст. По словам автора, сохраняется связность генерации, однако возможны начальные несоответствия формата; их можно смягчить инструктивным промптом. Результат зависит от настроек генерации, включая температуру. Используется лицензия Llama 3.1.

371июль 2024ctx131.1K
textllama3.1hugging-face
ikedachin
llm-jp-4-8b-thinking_imabari_qa_v4_reasoning_effort_grpo_v5

ikedachin выпустил экспериментальную японскую диалоговую модель для генерации текста и ответов на вопросы о стандартном японском языке и диалекте Имабари. Это плотная причинная языковая модель семейства Llama на 7,8 млрд параметров с контекстом до 65 536 токенов; веса хранятся в формате Safetensors. Модель получена дополнительным обучением GRPO с LoRA на основе ikedachin/llm-jp-4-8b-thinking_imabari_qa_v4_reasoning_effort_v4, после чего веса адаптера были объединены с базовой моделью. В обучении использовался набор вопросов ikedachin/imabari_wiki_rl_v3; доступны режимы усилия рассуждения low, medium и high. Модель предназначена для диалоговых ответов и рассуждений на японском языке, в том числе с использованием диалекта Имабари. Награда при GRPO учитывала формат ответа и повторы, но не проверяла фактическую точность, релевантность или естественность диалекта. Авторы не подтвердили общего улучшения относительно v4: повторы, ошибки ответа и нарушения формата всё ещё возможны, а ответы с высоким уровнем усилия могут быть длинными. В метаданных указана лицензия other; README сообщает, что базовая модель распространяется по Apache License 2.0, а условия для обучающих данных приведены отдельно в разделе License.

3950сент. 2026ctx65.5K
textotherhugging-face
Ppoyaa
LlumiLuminRP-8B-Instruct-262k-v0.3

LlumiLuminRP-8B-Instruct-262k-v0.3 — разговорная модель для ролевых диалогов, созданная слиянием нескольких моделей Llama 3 8B для RP и ERP методом model_stock. Модель имеет плотную архитектуру LlamaForCausalLM, около 7,5 млрд параметров и контекстное окно 262 144 токена; рассчитана на формат инструкций Llama 3 и сценарии общения в чате. Модель предназначена для ролевых бесед и генерации ответов от лица персонажей. Репозиторий содержит веса в формате Safetensors; доступны также отдельные варианты GGUF. Лицензия — Apache 2.0. README не уточняет поддерживаемые естественные языки или конкретные меры качества; результаты длинных диалогов и ERP-сценариев могут зависеть от запроса и выбранного варианта весов.

150май 2024ctx262.1K
textapache-2.0hugging-face

Задачи профессии

17 задач
105Преобразование речи в текст. — AI преобразует аудиосигнал в текст, учитывая шум, акцент, темп речи и профессиональную лексику. Результат содержит стенограмму с таймкодами, знаками препинания и пометками фрагментов с низкой уверенностью. Качество оценивают по word error rate и отдельно проверяют имена, числа, термины и участки с перекрывающейся речью.
106Разделение записи по говорящим. — Для этой задачи система сравнивает объект с примерами и правилами классов, после чего назначает метку и выделяет сомнительные случаи. Предметная логика: распознаёт речь, разделяет участников и связывает реплики с темами, решениями и действиями. Рабочие входы: аудиопоток, потоковая речь, контекст диалога, роли участников и повестка встречи. Формат результата: результат «Разделение записи по говорящим» в виде метки, класса, ранга или тематического слоя с уверенностью и объясняющими признаками. Критерии приёмки: по матрице ошибок, калибровке уверенности и отдельному анализу пограничных классов; по точности распознавания, атрибуции реплик, полноте решений и корректности выделенных действий.
107Определение границ реплик и смены тем. — Практическая реализация: AI последовательно исключает несовместимые варианты и фиксирует признаки, на которых основан итог. Предметная логика: распознаёт речь, разделяет участников и связывает реплики с темами, решениями и действиями. Входной контекст включает аудиопоток, контекст диалога, роли участников, повестка встречи и аудиозаписи. Формат результата: установленное значение или вариант по задаче «Определение границ реплик и смены тем» с оценкой уверенности и основаниями решения. Ошибки выявляют по точности относительно эталона, калибровке уверенности и разбору случаев, где источники расходятся; по точности распознавания, атрибуции реплик, полноте решений и корректности выделенных действий.
108Восстановление плохо слышимых слов по контексту. — Механизм: AI преобразует исходный материал по заданным правилам, сохраняя смысл, структуру и критически важные детали. Исходные данные: роли участников, повестка встречи, аудиозаписи и потоковая речь. Формат результата: преобразованный материал по задаче «Восстановление плохо слышимых слов по контексту» с сохранённым содержанием и журналом значимых изменений. Проверка: сравнением смысла и структуры до и после преобразования, а также поиском потерянных элементов; по точности распознавания, атрибуции реплик, полноте решений и корректности выделенных действий.
109Создание протокола встречи. — AI превращает запись встречи в структурированный протокол: выделяет темы, решения, аргументы, поручения, сроки и ответственных и связывает каждый пункт с таймкодом. На вход поступают запись, повестка и список участников. На выходе — редактируемый протокол и список действий; участники подтверждают спорные формулировки и ответственность за решения.
110Выделение решений, поручений, сроков и ответственных. — Для этой задачи система выделяет сущности, числа и отношения, нормализует формат и формирует машиночитаемую запись. Рабочие входы: аудиозаписи, потоковая речь, контекст диалога и роли участников. Формат результата: структурированные данные, полученные в рамках «Выделение решений, поручений, сроков и ответственных», с нормализованными значениями и ссылками на исходные фрагменты. Критерии приёмки: посимвольной или пополевой сверкой с оригиналом и проверкой обязательных полей; по точности распознавания, атрибуции реплик, полноте решений и корректности выделенных действий.
111Определение вопросов, оставшихся без ответа. — Практическая реализация: AI сопоставляет наблюдаемые признаки с критериями и устанавливает требуемое значение, состояние или вариант. Входной контекст включает потоковая речь, контекст диалога, роли участников и повестка встречи. Формат результата: установленное значение или вариант по задаче «Определение вопросов, оставшихся без ответа» с оценкой уверенности и основаниями решения. Ошибки выявляют по точности относительно эталона, калибровке уверенности и разбору случаев, где источники расходятся; по точности распознавания, атрибуции реплик, полноте решений и корректности выделенных действий.
112Сводка позиции каждого участника дискуссии. — Механизм: AI собирает содержание и структуру из заданных ограничений, затем формирует несколько вариантов для выбора и доработки. Исходные данные: контекст диалога, роли участников, повестка встречи и аудиозаписи. Формат результата: редактируемый артефакт по задаче «Сводка позиции каждого участника дискуссии», согласованный с исходными фактами, форматом и ограничениями; тип артефакта — разговорный артефакт. Проверка: по соответствию фактам, требованиям, формату и качеству последующей экспертной доработки; по точности распознавания, атрибуции реплик, полноте решений и корректности выделенных действий.
113Поиск нужного момента внутри длинной аудиозаписи. — AI обходит разрешённые источники, объединяет найденное и отсеивает нерелевантные либо дублирующиеся результаты. Предметная логика: работает одновременно со спектральной структурой, ритмом и временной динамикой сигнала. К исходным данным относятся аудиодорожки, роли участников, повестка встречи, аудиозаписи и потоковая речь. Формат результата: ранжированный список кандидатов по задаче «Поиск нужного момента внутри длинной аудиозаписи» со ссылками на источники, оценкой соответствия и фрагментами подтверждения. Надёжность оценивают по релевантности, полноте, отсутствию недопустимых источников и точности ссылок на подтверждение; по точности распознавания, атрибуции реплик, полноте решений и корректности выделенных действий.
114Оценка соблюдения сценария разговора. — Для этой задачи система собирает относящиеся к объекту показатели, приводит их к сопоставимому виду и рассчитывает оценку по явным критериям. Предметная логика: распознаёт речь, разделяет участников и связывает реплики с темами, решениями и действиями. Рабочие входы: аудиопоток, повестка встречи, аудиозаписи, потоковая речь и контекст диалога. Формат результата: оценка по задаче «Оценка соблюдения сценария разговора» в числовой или категориальной форме с расшифровкой факторов, допущений и неопределённости. Критерии приёмки: сверкой с экспертными оценками или фактическими исходами, а также анализом чувствительности к входным данным; по точности распознавания, атрибуции реплик, полноте решений и корректности выделенных действий.
115Определение намерения, темы и срочности обращения. — Практическая реализация: AI объединяет несколько источников свидетельств и выбирает наиболее обоснованное определение с оценкой уверенности. Входной контекст включает аудиозаписи, потоковая речь, контекст диалога и роли участников. Формат результата: установленное значение или вариант по задаче «Определение намерения, темы и срочности обращения» с оценкой уверенности и основаниями решения. Ошибки выявляют по точности относительно эталона, калибровке уверенности и разбору случаев, где источники расходятся; по точности распознавания, атрибуции реплик, полноте решений и корректности выделенных действий.
116Подсказки оператору или участнику разговора в реальном времени. — Механизм: AI объединяет историю, текущую ситуацию и обязательные условия, чтобы предложить следующий наиболее обоснованный шаг. Предметная логика: распознаёт речь, разделяет участников и связывает реплики с темами, решениями и действиями. Исходные данные: аудиопоток, потоковая речь, контекст диалога, роли участников и повестка встречи. Формат результата: несколько вариантов для «Подсказки оператору или участнику разговора в реальном времени», ранжированных по полезности, ограничениям и причинам выбора. Проверка: по полезности для пользователя, соблюдению ограничений и качеству результата после принятия рекомендации; по точности распознавания, атрибуции реплик, полноте решений и корректности выделенных действий.
117Автоматическая генерация последующего письма по итогам разговора. — AI создаёт новый артефакт по требованиям, исходным фактам и примерам, сохраняя возможность последующего редактирования. Предметная логика: распознаёт речь, разделяет участников и связывает реплики с темами, решениями и действиями. К исходным данным относятся аудиопоток, контекст диалога, роли участников, повестка встречи и аудиозаписи. Формат результата: редактируемый артефакт по задаче «Автоматическая генерация последующего письма по итогам разговора», согласованный с исходными фактами, форматом и ограничениями; тип артефакта — разговорный артефакт. Надёжность оценивают по соответствию фактам, требованиям, формату и качеству последующей экспертной доработки; по точности распознавания, атрибуции реплик, полноте решений и корректности выделенных действий.
118Синтез речи из текста. — Для этой задачи система сначала определяет элементы, которые должны сохраниться, затем перестраивает форму представления и отмечает внесённые изменения. Предметная логика: моделирует фонетику, просодию и тембр, сохраняя естественность и разборчивость. Рабочие входы: текст, роли участников, повестка встречи, аудиозаписи и потоковая речь. Формат результата: преобразованный материал по задаче «Синтез речи из текста» с сохранённым содержанием и журналом значимых изменений. Критерии приёмки: сравнением смысла и структуры до и после преобразования, а также поиском потерянных элементов; по точности распознавания, атрибуции реплик, полноте решений и корректности выделенных действий.
119Клонирование или персонализация голоса при наличии прав и согласия. — Практическая реализация: AI обновляет персональные настройки по обратной связи и отделяет устойчивые предпочтения от случайного поведения. Предметная логика: оценивает релевантность и полезность вариантов, учитывая разнообразие и долгосрочные цели. Входной контекст включает профиль пользователя, повестка встречи, аудиозаписи, потоковая речь и контекст диалога. Формат результата: адаптированный вариант для «Клонирование или персонализация голоса при наличии прав и согласия» с указанием контекста и факторов, определивших персонализацию. Ошибки выявляют по пользовательской обратной связи, долгосрочной полезности и отсутствию нежелательной дискриминации; по точности распознавания, атрибуции реплик, полноте решений и корректности выделенных действий.
120Изменение темпа, произношения, акцента или эмоциональной окраски синтезированной речи. — Механизм: AI преобразует исходный материал по заданным правилам, сохраняя смысл, структуру и критически важные детали. Предметная логика: моделирует фонетику, просодию и тембр, сохраняя естественность и разборчивость. Исходные данные: текст, аудиозаписи, потоковая речь, контекст диалога и роли участников. Формат результата: преобразованный материал по задаче «Изменение темпа, произношения, акцента или эмоциональной окраски синтезированной речи» с сохранённым содержанием и журналом значимых изменений. Проверка: сравнением смысла и структуры до и после преобразования, а также поиском потерянных элементов; по точности распознавания, атрибуции реплик, полноте решений и корректности выделенных действий.
121Создание голосового интерфейса для управления системой. — AI собирает содержание и структуру из заданных ограничений, затем формирует несколько вариантов для выбора и доработки. Предметная логика: моделирует фонетику, просодию и тембр, сохраняя естественность и разборчивость. К исходным данным относятся текст, потоковая речь, контекст диалога, роли участников и повестка встречи. Формат результата: редактируемый артефакт по задаче «Создание голосового интерфейса для управления системой», согласованный с исходными фактами, форматом и ограничениями; тип артефакта — разговорный артефакт. Надёжность оценивают по соответствию фактам, требованиям, формату и качеству последующей экспертной доработки; по точности распознавания, атрибуции реплик, полноте решений и корректности выделенных действий. <a id="section-i-8"></a>

0 моделей